安全背心/个人防护装备对于任何参与任何工业活动或建筑工地的人来说都是必不可少的补充。在其他人容易辨认的路边工作时，必须穿上安全背心。它在保障工人安全方面发挥着重要作用。

世界各地的许多大行业和公司都关心工人的安全，并确保每个人在工作时都遵守协议。但是他们怎么追踪他们呢？闭路电视将帮助监控他们的行动，但不会发现一个人是否穿着个人防护装备/安全背心。让我们看看如何才能实时跟踪。

我们将要看到的是：

数据收集：

拥有大量优质的数据是一项艰巨的任务。许多违规行为发生在工作场所，如相机角度、光线条件等。我们通过从YouTube视频中收集图像来构建自己的数据集，其中包含带PPE和不带PPE的图像。我们为训练集生成了大约2200个PPE图像和没有PPE的图像，为测试集生成了600个图像。

预处理：

对于预处理，我们使用来自CV2的InRange分离蓝色蒙版和绿色蒙版。(我们在分类模块之前使用此技术)。

然后我们将它们堆叠在一起，然后将其覆盖在输入图像上。(我们将Alpha设置为0.5)

建模/培训：

用较少的数据量构建任何模型都是一个巨大的风险。为了克服这一点，我们使用了迁移学习。在转移学习模型中，初始层被用作我们模型的起点，后面的层在我们的数据集上被训练。这节省了从头开始构建整个模型的时间和精力。

我们有两种检测PPE的模型：

人员检测器型号：

为了检测人员，我们使用MobileNet SSD架构，它使用沿深度方向可分离的卷积来构建轻量级的深层神经网络。有关详细信息，请单击此处。这就给了我们包含个体的包围盒。其被传递到PPE分类模块。here

PPE分类模型：

我们使用了MobileNet架构(加载了Coco权重)，并在其上附加了一个由128个单元组成的致密层，最后是一个输出Sigmoid层。分类后输出图像，生成所有基于分类颜色的包围盒。MobileNet

研发和成果：

我们在自定义模型中尝试了没有遮罩覆盖的情况，得到的准确率低于40%。然后，我们尝试了添加掩模叠加，这稍微提高了精确度。我们考虑使用更深层次的模型，并选择了Mobilenet，这使我们的准确率达到了50%左右。custom model Mobilenet

下面是示例输出视频和图像。